第270章 数据困境（2 / 2）
请关闭浏览器的阅读/畅读/小说模式并且关闭广告屏蔽过滤功能，避免出现内容无法显示或者段落错乱。
行。总量和行业的授权条款，你们法务出一版，我们法务再看。个股的事，后面再想办法。
徐所长也站起来，握了下手。林总，我多说一句——你们做AI的，可能觉得数据就是数据，喂给模型就行了。但在我们这行，一份研报后面是一个分析师三个月的调研，是无数个电话会、无数条微信聊天、无数次跑现场。这些积累没法被一个大模型替代。
林晨点了下头，没反驳。现在不是说这话的时候。
出了国泰的大楼，三月的阳光照在脸上。林晨和陈铭沿着人行道走了大概两百米，谁也没说话。陈铭把笔记本夹在腋下，另一只手插在外套口袋里，低着头走路。林晨走在他旁边，盯着前方的路面，脑子里还在过刚才的对话。
走到停车场，林晨开车门没进去，站在车门边靠着，掏出手机看了一眼——三条未读消息，全是工作群里的，他没点开。
总量和行业拿到了。陈铭坐进副驾驶，把笔记本翻开，但个股数据没拿到——智研在个股分析这个场景上的训练数据会少一大截。
林晨把手机塞回口袋，站在车门外又想了几秒，才绕过去坐进驾驶座。他没急着发动车，把手放在方向盘上。
个股研报是券商最值钱的东西，他们不可能轻易放。他说。
那怎么办？没有个股数据，模型在个股分析上的能力会瘸腿。陈铭翻开笔记本，我刚才在会上记了一下——国泰一年大概发多少份个股研报，公开渠道能看到的摘要和结论有多少——
你记这些干嘛？
我在想有没有可能从公开渠道拼出个股分析的数据。陈铭说，不从国泰拿，从别的地方找。
林晨发动了车，没马上开。他想了想。
个股的底层信息不是没有。他说，财报是公开的，交易所的问询函回复是公开的，投资者关系活动记录表是公开的。这些东西不需要任何人授权，谁都可以看。
但这些数据和券商研报里的个股分析是两码事——陈铭犹豫了一下，研报里有分析师的观点和预测，公开数据只有事实。光有事实没有观点，模型能学到什么？
对，光有事实不够。林晨把车开出停车场，但如果我们的模型先学会从公开事实中提取关键信息，再用已经拿到的行业配置和总量策略数据来建立分析框架——相当于一个人先学会看财报，再学会看行业，再去理解个股。逻辑上说得通。
陈铭想了一会。可以试。但数据量可能很大——光沪深三千多家公司过去三年的年报问询函就不知道有多少份。
那就先爬。林晨说，交易所的年报问询函、证监会行政处罚决定书、投资者关系活动记录——这些都是公共数据。让张雨搭爬虫框架，先把量跑起来。
陈铭在副驾驶上用手机开始打字。我整理一份公开数据源清单，回去发给你。
车开上滨海大道。陈铭打完字放下手机，转头看着窗外想了一会，突然又开口：林总，你觉得徐所长最后那句话什么意思？一份研报后面是三个月的调研——他是在警告我们？
林晨看着前方的路。他在提醒。他怕我们觉得有了数据就什么都能干。
那你觉得呢？
林晨没直接回答。他想了想，说：数据是原材料。但没原材料你连灶都上不了。
陈铭笑了一下。那我们先解决原材料的问题。
手机震了。陈博士的消息：谈得怎么样？
林晨单手打字回了一条：总量策略和行业配置可以签。个股深度拿不到。
过了大概半分钟，陈博士回了三个字：意料之中。
林晨把手机放在中控台上，没再问陈博士怎么办。他知道答案——拿到多少用多少，拿不到的想办法补。他做量化那几年也这样，Wd数据缺几个字段、同花顺的财务更新晚了两天，照样得出信号。
车开到公司楼下的时候，陈铭已经把公开数据源清单整理好了，发到了他的邮箱。林晨看了一眼标题——智研项目公开数据源初步清单，里面有七八个数据入口，每个后面标了数据类型和预计量级。
他把车停好，熄了火，在车里坐了几秒才推门下车。
↑返回顶部↑